*Foto: reprodução Universidade de Tecnologia de Chalmers

Por Ricardo Marques da Silva

As vendas mundiais de carros elétricos deverão atingir 23 milhões de unidades em 2026, representando quase 30% de todos os automóveis comercializados no mundo, segundo o relatório anual Global EV Outlook, divulgado ontem, dia 20, pela Agência Internacional da Energia (AIE). Esse avanço poderia ser ainda maior se não fosse um grande desafio a ser superado: manter o tempo de carregamento da bateria sem reduzir sua vida útil.

Um passo importante nesse sentido acaba de ser anunciado por pesquisadores da Universidade de Tecnologia de Chalmers, em Gotemburgo, na Suécia, que utilizaram uma tecnologia de inteligência artificial para prolongar em até 23% a duração da bateria, na comparação com o método padrão atual, sem aumentar o tempo de carregamento. O estudo integrou IA e conhecimentos baseados em física para encontrar uma nova estratégia de carregamento que reduz o desgaste da bateria.

De acordo com os autores, quando uma bateria é carregada rapidamente, altas correntes são injetadas na célula, o que pode desencadear reações secundárias indesejadas. Uma das mais críticas é a deposição de lítio metálico no eletrodo, em vez de ser armazenado adequadamente dentro da estrutura da bateria. A vida útil da bateria foi medida em ciclos completos equivalentes (EFCs, na sigla em inglês) – ou seja, quantos ciclos completos de carga e descarga a bateria pode suportar antes que sua capacidade caia para 80% do valor original, um limite que em geral determina o fim da vida útil para aplicações em veículos elétricos.

Utilizando o novo método, a bateria alcançou um aumento de 22,9% na sua vida útil em ciclos de carga e descarga, enquanto o tempo de carregamento permaneceu praticamente inalterado, de 24,12 minutos em média, quase igual aos 24,15 minutos do método padrão. “O estudo demonstrou que o verdadeiro gargalo do carregamento rápido não são simplesmente os limites de corrente, mas sim a evolução do estado eletroquímico dentro da bateria. Ao integrar IA com conhecimentos de física, nós nos aproximamos de estratégias de carregamento que priorizam a saúde da bateria, maximizando tanto o desempenho quanto a vida útil”, explicou Changfu Zou, professor do Departamento de Engenharia Elétrica da Chalmers.

O método é baseado em aprendizado por reforço, um tipo de aprendizado de máquina no qual um algoritmo aprende interagindo com um ambiente e melhorando gradualmente suas decisões. No caso, o “ambiente” é a bateria, e o sistema de IA é treinado para encontrar uma estratégia que mantenha o tempo de carregamento curto, minimizando mecanismos de degradação. Ao ser recompensado por bons resultados no longo prazo, o algoritmo aprende a adaptar dinamicamente a corrente de carregamento.

Como a relação entre a tensão de carga e a saúde da bateria depende da temperatura e da composição química das células, o método precisa ser caracterizado para diferentes tipos de bateria. Por isso, a equipe da universidade de Chalmer começa a explorar, agora, o uso da aprendizagem por transferência para acelerar a adaptação a diferentes composições químicas e reduzir a carga de trabalho experimental. Se comprovada pela indústria automotiva, a solução poderá ter um impacto significativo no mercado de veículos elétricos.